python - sumar - Eficiente multiplicación por elementos de una matriz y un vector en TensorFlow

que es un array en python

Question

¿Cuál sería la forma más eficiente de multiplicar (elemento-sabio) un tensor 2D (matriz):

x11 x12 .. x1N
...
xM1 xM2 .. xMN

por un vector vertical:

w1
...
wN

para obtener una nueva matriz:

x11*w1 x12*w2 ... x1N*wN
...
xM1*w1 xM2*w2 ... xMN*wN

Para dar un contexto, tenemos M muestras de datos en un lote que pueden procesarse en paralelo, y cada muestra de elementos N debe multiplicar por pesos w almacenados en una variable para finalmente elegir el Xij*wj más grande para cada fila i .

Answer 1

El código más simple para hacer esto se basa en el comportamiento de tf.multiply() de tf.multiply() ^* , que se basa en el comportamiento de difusión de numpy :

x = tf.constant(5.0, shape=[5, 6])
w = tf.constant([0.0, 1.0, 2.0, 3.0, 4.0, 5.0])
xw = tf.multiply(x, w)
max_in_rows = tf.reduce_max(xw, 1)

sess = tf.Session()
print sess.run(xw)
# ==> [[0.0, 5.0, 10.0, 15.0, 20.0, 25.0],
#      [0.0, 5.0, 10.0, 15.0, 20.0, 25.0],
#      [0.0, 5.0, 10.0, 15.0, 20.0, 25.0],
#      [0.0, 5.0, 10.0, 15.0, 20.0, 25.0],
#      [0.0, 5.0, 10.0, 15.0, 20.0, 25.0]]

print sess.run(max_in_rows)
# ==> [25.0, 25.0, 25.0, 25.0, 25.0]

^* En versiones anteriores de TensorFlow, tf.multiply() se llamaba tf.mul() . También puede usar el operador * (es decir, xw = x * w ) para realizar la misma operación.